अनुदैर्ध्य डेटा के साथ एसवीएम प्रतिगमन

Question

मेरे पास प्रति रोगी लगभग 500 चर हैं, प्रत्येक चर का एक निरंतर मूल्य है और इसे तीन अलग-अलग समय बिंदुओं पर मापा जाता है (2 महीने के बाद और 1 महीने के बाद)। प्रतिगमन के साथ मैं नए रोगियों के लिए उपचार के परिणाम की भविष्यवाणी करना चाहूंगा।

क्या इस तरह के अनुदैर्ध्य डेटा के साथ एसवीएम प्रतिगमन का उपयोग करना संभव है?

Comments

क्या आप कोई उचित उत्तर खोजने में सक्षम थे?

— वाजा

Answer 1

हां, यह संभव है। सिवाय इसके कि फिशर कर्नेल का उपयोग करते हुए अनुदैर्ध्य डेटा में आरबीएफ या रैखिक लोगों की तुलना में बेहतर काम होता है। इस तरह का एक सेटिंग आपके इस NIPS पेपर में दिया गया है: http://research.microsoft.com/pubs/147234/NIPS08.pdf

Answer 2

यह एक दिलचस्प सवाल है और मैंने एक त्वरित शोध किया।

ओपी ने निरंतर डेटा के लिए प्रतिगमन के बारे में पूछा । लेकिन @ विक्रम द्वारा उद्धृत कागज केवल वर्गीकरण के लिए काम करता है ।

लू, जेड, केय, जे।, और लेइन, टीके (2009)। अनुदैर्ध्य डेटा के लिए पदानुक्रमित फिशर गुठली। तंत्रिका सूचना प्रसंस्करण प्रणालियों में अग्रिम में ।

मैंने पाया प्रतिगमन के लिए एक संबंधित कागज निम्नलिखित है । तकनीकी विवरण खंड 2.3 में पाया जा सकता है।

सोक, केएच, शिम, जे।, चो, डी।, नोह, जीजे, और ह्वांग, सी। (2011)। फार्माकोकाइनेटिक और फार्माकोडायनामिक डेटा के विश्लेषण के लिए सेमीपैरेट्रिक मिश्रित-प्रभाव कम से कम वर्ग वेक्टर मशीन का समर्थन करते हैं। न्यूरोकोम्प्यूटिंग , 74 (17), 3412-3419।

कोई सार्वजनिक सॉफ़्टवेयर नहीं मिला है लेकिन लेखकों ने कागज के अंत में उपयोग में आसानी का दावा किया है।

प्रस्तावित एलएस-एसवीएम ... का मुख्य लाभ यह है कि प्रतिगमन आकलनकर्ताओं को सरल रैखिक समीकरण प्रणाली को हल करने वाले सॉफ्टवेयर्स द्वारा आसानी से गणना की जा सकती है। इससे अभ्यास में दोहराया माप डेटा के विश्लेषण के लिए प्रस्तावित दृष्टिकोण को लागू करना आसान हो जाता है।

थोड़ा और विस्तृत करने के लिए, एसवीएम (समर्थन वेक्टर मशीन) का उपयोग करके प्रतिगमन विश्लेषण के लिए दो दृष्टिकोण हैं :

• वेक्टर रिग्रेशन (एसवीआर) का समर्थन [ड्रकर, हैरिस; बर्जेस, क्रिस्टोफर जेसी; कॉफमैन, लिंडा; स्मोला, अलेक्जेंडर जे।; और वापनिक, व्लादिमीर एन। (1997); न्यूरल इन्फॉर्मेशन प्रोसेसिंग सिस्टम 9, एनआईपीएस 1996, 155–161 में "सपोर्ट वेक्टर रिग्रेशन मशीनें"
• कम से कम वर्ग वेक्टर मशीन (LS-SVM) का समर्थन करते हैं [Suykens, Johan AK; वांडेवले, जोस पीएल; कमानी वर्ग वेक्टर मशीन क्लासिफायर, न्यूरल प्रोसेसिंग लेटर्स , वॉल्यूम का समर्थन करते हैं । 9, नहीं। 3, जून 1999, पीपी। 293-300]

उपर्युक्त सेओल एट अल। (2011) ने एलएस-वीएसएम दृष्टिकोण को अपनाया।